农村劳动力转移对小麦生产环境效率的影响路径研究*——基于并行中介效应模型的实证

王 允，韩亚琼，韩一军※

（1.中国农业大学经济管理学院，北京 100083；2.北京林业大学经济管理学院，北京 100083）

0 引言

中国是人口大国，粮食安全问题是国家稳定的重要保障，小麦作为三大主粮之一其生产环境效率问题不容忽视。随着20 世纪80 年代家庭联产承包责任制的落实，中国小麦产量增长迅速，由1978 年的5 384.00 万t 增长到2018 年的1.314 405 亿t，但同时其生产环境成本也越来越高。化肥、农药等化学性生产资料的过量投入虽然对小麦增长起到重要作用，但也不可避免地带来更多的非期望产出（Undesirable Output）如面源污染等。根据测算目前中国每公顷粮食生产过程中施用的化肥量、农药等化学投入品已经远超出世界平均水平，而且过量化学投入品的使用会使得土壤板结，同时造成农业面源污染问题[1]，根据第二次全国农业污染源普查，农业污染量已经占总污染量的30%以上，如若长期以往地忽视这一问题，不仅会危害到农业生态环境，也会危害农业的可持续发展，引发人们对粮食质量安全的担忧[2]。因此在分析中国主产省小麦生产效率的同时，有必要将环境因素引入到分析框架中计算出环境效率。环境效率其核心思想是通过最少的要素投入并对环境造成最小负面影响的情况下获得更多产出。因此农业环境效率即为在农业生产过程中，对环境污染较小的情况下，用较少的农业资源获得更多的农产品产出，所以相比传统的生产技术效率更有实际意义，并可以在此基础上探究影响生产环境效率的影响因素，寻找优化农业生产可持续性的发展路径。

早期学者大多忽略了农业生产中的环境代价大多仅仅测算生产效率，近几年随着中国大力提倡农业绿色化生产，一些学者开始关注粮食生产环境效率。首先以往文献主要运用以下3种方法对生产环境效率进行测算：比值法、DEA 和SFA。比值法是由WBSCD 提出的，其计算方法为以农产品的产出价值比上农产品生产造成的环境影响，这一方法计算简单，虽然直观反映了农业生产造成的环境成本，但是由分析框架中不考虑投入端因此这种方法逐渐被学者抛弃[3]。数据包络分析(DEA)是当前计算粮食环境效率应用较为广泛的方法，这一方法无须对模型的形式进行具体设定，诸多学者[4-10]往往在此基础上采用SBMDEA的方法测算环境效率。随机前沿方法最早是由Shephard[11]运用到测算环境效率中的，其将生产过程中的“非合意产出”纳入分析模型测算生产行为的真实价值并为诸多学者[12-13]沿用。其次是关于农业生态效率影响因素的研究，现有文献发现劳动力转移、人均收入、耕地规模和财政支农水平等是影响农业生态环境效率的重要因素[14-17]。

综述以往的研究，可以发现目前关于小麦生产环境效率的研究仍为空白，大多都是针对农业或者粮食的大类研究缺乏针对性，文章沿用以往研究采用SBMDEA 方法测算小麦环境效率。因此该文做了以下改进：（1）准确核算小麦生产的环境效率并深入分析其各类诱因是该文主要研究目的，因此采用SBMDEA 得到环境效率并分析其影响因素；（2）选取小麦作为研究对象而不是对所有粮食作物进行研究，研究针对性更强，结论更为准确；（3）建立并行中介效应分析劳动力转移影响小麦生产环境效率的作用机制。该研究旨在回答如下问题：地区间小麦生产环境效率的差异如何？小麦生产环境效率的影响因素包括哪些？劳动力转移如何影响小麦生产的环境效率？

1 研究区与数据

1.1 小麦生产环境效率测算方法——SBMDEA

因为传统DEA 模型是径向的，模型中并未将投入产出的松弛变量考虑在内，最后会使得测算的效率值失真。所以，该研究方法使用SBM-DEA 模型，将各个决策单元的投入与产出变量均考虑在内，在目标函数中直接加入松弛变量，避免出现投入产出的松弛问题和径向、角度选择的偏差，计算公式为：

其中：

xn=Xφ+Sx，n，n= 1，2，…，N Sx，n≥0，φ≥0

ym=Ygφ-Sg，m，m= 1，2，…，M Sg，m≥0，φ≥0

yi=Ybφ-Sg，m，i= 1，2，…，I Sb，i≥0，φ≥0

式（1）中，p*是效率值；N是投入指标个数；M是期望产出的指标个数；I是非期望产出的指标个数；X是每年不同地区的投入量；Yg，m是每年不同地区的期望产出量；Yb，i是每年不同地区的非期望产出量；Sx，n、Sg，m、Sb，i依次是投入、期望产出和非期望产出的松弛变量；xn、ym、yi依次是决策单元的投入、期望产出和非期望产出值；φ是决策单元的权重。p*范围在0～1之间，当且仅当p*=1，即Sx，n=0，Sg，m=0，Sb，i=0 时，决策单元才是有效的；当p*＞1，即Sx，n、Sg，m、Sb，i3个变量之间至少有一个不是0时，表明没有取得效率值有效，效率值存在损失，可以使用改进决策单元投入产出量的方式对小麦生产环境效率进行改进。

1.2 农村劳动力转移对小麦生产环境效率的影响——并行中介效应模型

在得到小麦生产环境效率的基础上进一步探讨其影响因素，进而寻找提高环境效率的途径是该文的另一重大内容。在借鉴现有研究的基础上该文选取财政支农水平、农村交通条件、有效灌溉率、农业受灾率、劳动力转移程度、机械化水平、人均农地规模、农村人均纯收入等变量研究其对小麦生产环境效率的影响。其中劳动力转移程度对于环境效率的影响中，除了转移本身带来农业劳动力素质下降的直接影响外，一方面劳动力非农就业通过提升农户家庭收入水平来改变农户小麦投入要素配置影响小麦生产环境效率，留守农地经营者在收入提高的同时更有意愿购买更多的化肥农药等生产资料，从而增加小麦生产过程中的非期望产出；但是另一方面随着劳动力转移比例逐渐提高，人均农地规模逐渐提高，小麦规模化生产逐渐形成，从而可能促进小麦环境效率的提升。因此农村劳动力转移可以通过上述两个路径间接影响小麦生产环境效率，因此可以采用并行中介效应进行建模。

东山寺因寺而名。这座始建于唐朝的寺庙，位于宜昌城的东山之颠，以其壮美雄姿和香火悠远占尽风水，佑福宜昌，成为千古名刹，曾被誉为夷陵八景之首。

图1展示了劳动力转移对于小麦生产环境效率的影响路径，并基于此建立模型：

图1 并行中介效应模型

lncome=a1×Labor+ci×Zi+e1

Scale=a2×Labor+ci×Zi+e2

NEFF=b1×Income+b2×Scale+d×Labor+ci×Zi+e3（2）

其中Income、Scale、Labor、NEFF分别为农户人均纯收入、劳均耕地规模、农村劳动力转移程度和小麦生产环境效率，Zi为一系列控制变量如财政支农水平、农业受灾率等。模型中a1×b1、a2×b2、a1×b1+a2×b2分别代表收入中介效应、规模中介效应和总体中介效应，d代表直接效应。检验的步骤依次为：第一检验中介回归变量系数的显著性；第二采用Sobel（1982）的方法检验a1×b1、a2×b2、a1×b1+a2×b2是否显著[18]，第三检验d+a1×b1+a2×b2总体效应是否显著，检验方法采用Clogg等[19]的公式进行检验。

2 数据来源

该文使用的数据主要包括两个部分，第一部分主要是计算小麦生产环境效率的投入与产出变量，其中小麦的产出变量是每公顷产量，投入变量依次为每公顷投工量、每公顷机械费用、每公顷化肥费用以及除去化肥、机械费用以外的每公顷其他费用（购买种子产生费用、灌溉费、农药费用、折旧费用等，投入与产出的数据来源于《全国农产品成本收益资料汇编》（1991—2019）。另外在相关文献的基础上，加上数据的可获得性等因素，该文关于小麦生产过程中“非合意产出”即对氮、磷排放量的核算具体参照赖斯芸等、陈敏鹏等采用的单元清单分析法[20，21]，但在其基础上稍作修改，计算公式为：

E=∑SUi×ρij×LCij（3）

式（3）中，E为小麦种植过程中的非合意产出，这里主要包括总磷和总氮；SUi为i污染单元的污染物产生基数，因为小麦种植期间的氮、磷排放大部分源自化肥，所以指标主要指化肥使用量的折纯；ρij为单元i污染物j的产污强度系数；SUi与ρij乘积是i污染单元小麦面源污染物产生量，也就是在不考虑资源综合利用和管理因素的情况下小麦种植期间最大潜在小麦面源污染物产生量；LCij为单元i产生污染物j的排放系数。ρij和LCij等各参数是通过广泛文献调研及综合比较所得[22，23]。

表1 小麦生产投入产出变量及环境效率影响因素

3 结果与分析

3.1 小麦生产技术效率与环境效率估计

根据SBMDEA 的测算结果，表2 展示了1990—2018 年全国和东中西部地区小麦主产省的效率变化情况。首先可以发现，如果忽略小麦生产中的非期望产出将会高估小麦生产效率，其中1 990—2 018年全国小麦生产技术效率均值为0.910 2，而环境效率仅为0.649 7，假如可以消除效率损失，中国小麦种植期间的非合意产出（总磷、总氮和碳排放）可以减少34.70%。其次观察两种效率的变化趋势可以发现，其中小麦生产技术效率虽然有所下降但变化较为平稳，但是考虑非期望产出的小麦生产环境效率呈现明显下滑趋势，1 990年我国小麦生产环境效率值为0.739 7而2 018年已经下降到0.474 1，进一步验证了这一期间小麦生产化肥农药等化学投入品出现过量使用，小麦产量长期增长的背后其环境成本也在逐渐增加，传统生产方式有待改进。最后将小麦主产区分东中西地区来看，小麦生产环境效率呈现中部＞西部＞东部的分布格局，中部小麦主产省的平均环境效率最高为0.677 9，西部和东部小麦主产省次之，分别为0.638 1和0.602 1。

表2 1990—2018年中国主产省小麦生产技术效率与环境效率变化趋势

3.2 小麦生产环境效率的影响因素分析

结合上文分析可以发现中国小麦生产的环境效率存在明显的时间差异和地区差异，因此进一步探讨小麦生产环境效率的影响因素，进而寻找提高环境效率的途径是该文的另一重大内容。表3小麦生产环境效率影响因素的并行中介效应估计结果，并进行了相关检验。首先当农村劳动力转移水平显著提升了农户的人均纯收入并对劳均耕地规模产生正向影响，因此满足中介效应分析的前提条件，但是收入中介效应并未通过检验，而规模中介效应（0.041）和总体中介效应（0.043）在1%的水平下显著，劳动力转移本身的直接效应为中介效应为-0.231 并在1%的水平下显著，最终劳动力转移对小麦生产环境效率的总效应为-0.187。可以得出以下几个结论：（1）劳动力转移通过家庭收入的增加并未损害小麦生产环境效率，可能的解释是由于劳动力转移程度的增加，家庭农业收入占比降低使得粮食生产的重要性下降，农户更偏向于将非农收入用于消费或者非粮行业；（2）劳动力转移推动了劳均土地规模的扩大进而推动小麦生产集约化高效率，降低了单位面积的化肥农药投入，促进了小麦生产环境效率的提高。（3）农村劳动力转移对小麦生产环境效率的直接影响显著为负，主要是由于转移本身带来小麦生产者身体素质和认知水平的下降，转移人群往往是农村中的优质劳动力因而留守种植者往往通过施用更多的化肥、农药，并且通过租赁雇佣农业机械弥补缺失的劳动力，从而增加小麦生产过程中的环境成本，因而对小麦生产环境效率产生负面影响；（4）农村劳动力转移对小麦生产效率的总体影响显著为负，说明劳动力转移带来的生产者素质降低效应短时期内还无法通过规模增加得以弥补，转移的总体中介效应为正，这与直接效应的符号相反，因而属于部分遮掩效应。

其次，从表3的结果中可以发现其他控制变量对小麦生产环境效率的影响：有效灌溉率和机械化水平变量显著为正，说明灌溉设施的完善和机械化程度的提升一方面可以抵消部分自然灾害（如旱灾）和病虫害对于小麦生产环境效率的影响，另一方面也可以促进化肥农药等投入使用效率的提高；农业受灾率（DIS）的系数显著为负自然灾害加大了小麦生产者的管理难度，在遭遇灾害后农户为了弥补损失往往加大化肥和机械投入因而降低了小麦生产环境效率；财政支农水平对小麦生产环境效率起到正向影响，财政支农水平越高有利于改善当地农业生产条件，促进农业基础设施建设从而提高小麦环境生产效率；小麦最低收购价政策则促进小麦环境效率的提高，首先是政策上更具有指向性其次使用化肥农药较少的“绿色”小麦往往能够卖出更高价钱，因而对小麦生产环境效率具有积极作用。

表3 并行中介效应模型估计

4 主要结论

该文采用1990—2018年15个小麦主产省区面板数据，首先利用单元调查评估方法核算了中国小麦生产的“非期望产出”，然后通过SBMDEA 方法准确测量了中国不同地区小麦生产的环境效率，并在此基础上建立并行中介效应模型从而剖析农村劳动力转移对环境效率的影响路径。结论如下。

（1）忽视生产过程中的环境成本会高估小麦生产效率，中国总体小麦生产环境效率处于较低水平，并且从时间趋势上看自2000 年开始均呈现明显下降的趋势，虽然小麦产量长期稳定，但其增长的背后伴随着环境成本的增加，传统小麦生产方式亟需改善。另一方面小麦生产环境效率地区差异较小，具体表现为中部、西部、东部依次递减。

（2）农村劳动力转移降低了小麦生产环境效率，虽然存在正向的规模中介效应但现阶段还难以完全弥补劳动力转移带来的直接环境效率损失。另外财政支农水平、有效灌溉率、机械化水平和小麦最低收购政策对生产环境效率具有显著的正向作用，而农业受灾率则对环境效率具有明显的负向影响。